04-微服务篇

文章目录一、Spring Cloud1. Spring Cloud 5大组件有哪些2. 服务注册和发现是什么意思Spring Cloud 如何实现服务注册发现3. 我看你之前也用过nacos你能说下nacos与eureka的区别4. 你们项目负载均衡如何实现的5. Ribbon负载均衡策略有哪些6. 如果想自定义负载均衡策略如何实现7. 什么是服务雪崩怎么解决这个问题8. 你们的微服务是怎么监控的二、业务相关9. 你们项目中有没有做过限流怎么做的10. 限流常见的算法有哪些11. 什么是CAP理论12. 为什么分布式系统中无法同时保证一致性和可用性13. 什么是BASE理论14. 你们采用哪种分布式事务解决方案15. 分布式服务的接口幂等性如何设计16. xxl-job路由策略有哪些17. xxl-job任务执行失败怎么解决18. 如果有大数据量的任务同时都需要执行怎么解决一、Spring Cloud1. Spring Cloud 5大组件有哪些候选人在早期Spring Cloud的五大组件通常指的是Eureka服务注册中心。Ribbon客户端负载均衡器。Feign声明式的服务调用。Hystrix服务熔断器。Zuul/GatewayAPI网关。随着Spring Cloud Alibaba的兴起我们项目中也融入了一些阿里巴巴的技术组件服务注册与配置中心Nacos。负载均衡Ribbon。服务调用Feign。服务保护Sentinel。API网关Gateway。2. 服务注册和发现是什么意思Spring Cloud 如何实现服务注册发现候选人服务注册与发现主要包含三个核心功能服务注册、服务发现和服务状态监控。我们项目中采用了Eureka作为服务注册中心它是Spring Cloud体系中的一个关键组件。服务注册服务提供者将自己的信息如服务名称、IP、端口等注册到Eureka。服务发现消费者从Eureka获取服务列表信息并利用负载均衡算法选择一个服务进行调用。服务监控服务提供者定期向Eureka发送心跳以报告健康状态如果Eureka在一定时间内未接收到心跳将服务实例从注册中心剔除。3. 我看你之前也用过nacos你能说下nacos与eureka的区别候选人在使用Nacos作为注册中心的项目中我注意到Nacos与Eureka的共同点和区别共同点两者都支持服务注册与发现以及心跳检测作为健康检查机制。区别Nacos支持服务端主动检测服务提供者状态而Eureka依赖客户端心跳。Nacos区分临时实例和非临时实例采用不同的健康检查策略。Nacos支持服务列表变更的消息推送使服务更新更及时。Nacos集群默认采用AP模式但在存在非临时实例时会采用CP模式而Eureka始终采用AP模式。AP高可用CP强一致4. 你们项目负载均衡如何实现的候选人在服务调用过程中我们使用Spring Cloud的Ribbon组件来实现客户端负载均衡。Feign客户端在底层已经集成了Ribbon使得使用非常简便。当发起远程调用时Ribbon首先从注册中心获取服务地址列表然后根据预设的路由策略选择一个服务实例进行调用常用的策略是轮询。5. Ribbon负载均衡策略有哪些候选人Ribbon提供了多种负载均衡策略包括RoundRobinRule简单的轮询策略。WeightedResponseTimeRule根据响应时间加权选择服务器。RandomRule随机选择服务器。ZoneAvoidanceRule区域感知的负载均衡优先选择同一区域中可用的服务器。6. 如果想自定义负载均衡策略如何实现候选人自定义Ribbon负载均衡策略有两种方式创建一个类实现IRule接口这将定义全局的负载均衡策略。在客户端配置文件中指定特定服务调用的负载均衡策略这将仅对该服务生效。7. 什么是服务雪崩怎么解决这个问题候选人服务雪崩是指一个服务的失败导致整个链路的服务相继失败。我们通常通过服务降级和服务熔断来解决这个问题服务降级在请求量突增时主动降低服务的级别确保核心服务可用。服务熔断当服务调用失败率达到一定阈值时熔断机制会启动防止系统过载。8. 你们的微服务是怎么监控的候选人我们项目中采用了SkyWalking进行微服务监控SkyWalking能够监控接口、服务和物理实例的状态帮助我们识别和优化慢服务。我们还设置了告警规则一旦检测到异常系统会通过短信或邮件通知相关负责人。二、业务相关9. 你们项目中有没有做过限流怎么做的候选人在我们的项目中由于面临可能的突发流量我们采用了限流策略版本1使用Nginx进行限流通过漏桶算法控制请求处理速率按照IP进行限流。版本2使用Spring Cloud Gateway的RequestRateLimiter过滤器进行限流采用令牌桶算法可以基于IP或路径进行限流。10. 限流常见的算法有哪些候选人常见的限流算法包括漏桶算法以固定速率处理请求平滑突发流量。令牌桶算法按照一定速率生成令牌请求在获得令牌后才被处理适用于请求量有波动的场景。11. 什么是CAP理论候选人CAP理论是分布式系统设计的基础理论包含一致性(Consistency)、可用性(Availability)和分区容错性(Partition tolerance)。在网络分区发生时系统只能在一致性和可用性之间选择其一。12. 为什么分布式系统中无法同时保证一致性和可用性候选人在分布式系统中为了保证分区容错性我们通常需要在一致性和可用性之间做出选择。如果系统优先保证一致性可能需要牺牲可用性反之亦然。13. 什么是BASE理论候选人BASE理论是分布式系统设计中对CAP理论中AP方案的延伸强调通过基本可用、软状态和最终一致性来实现系统设计。14. 你们采用哪种分布式事务解决方案候选人我们项目中使用了Seata的AT模式来解决分布式事务问题。AT模式通过记录业务数据的变更日志来保证事务的最终一致性。15. 分布式服务的接口幂等性如何设计候选人我们通过Token和Redis来实现接口幂等性。用户操作时系统生成一个Token并存储在Redis中当用户提交操作时系统会验证Token的存在性并在验证通过后删除Token确保每个Token只被处理一次。16. xxl-job路由策略有哪些候选人xxl-job支持多种路由策略包括轮询、故障转移和分片广播等。17. xxl-job任务执行失败怎么解决候选人面对任务执行失败我们可以选择故障转移路由策略优先使用健康的实例执行任务。设置任务重试次数。通过日志记录和邮件告警通知相关负责人。18. 如果有大数据量的任务同时都需要执行怎么解决候选人我们可以通过部署多个实例并使用分片广播路由策略来分散任务负载。在任务执行代码中根据分片信息和总数对任务进行分配。